2025 年 4 月，伦敦帝国理工学院的研究团队扔下一颗学术炸弹 —— 他们正式开源了革命性的人工生命模拟工具 CAX（Cellular Automata Accelerated in JAX）。这个基于 JAX 框架的硬件加速库，不仅将经典细胞自动机的模拟速度提升 2000 倍，更在抽象推理任务中超越 GPT-4，为人工生命研究打开了前所未有的快速探索通道。
一、改写生命模拟规则：CAX 的核心技术突破
在传统人工生命研究中，模拟效率一直是瓶颈。以康威生命游戏为例，传统工具 CellPyLib 每秒仅能处理 10 步模拟，而 CAX 凭借 JAX 的向量化计算和硬件加速，将速度提升至 20000 步 / 秒，实现 1400-2000 倍的跨越式加速。这种突破不仅来自底层架构优化，更源于三大创新设计：
1. 统一框架覆盖全类型生命模型
CAX 构建了包含离散、连续、神经细胞自动机的统一架构，通过 "感知 - 更新" 双模块设计（如图 1），支持从 1D 基础模型到 3D 复杂系统的无缝切换。无论是经典的康威生命游戏，还是前沿的神经细胞自动机（NCA），都能在同一 API 下实现高效模拟，彻底终结了多工具切换的低效时代。
2. 硬件无关的弹性扩展能力
依托 JAX 的自动微分和设备无关特性，CAX 支持 CPU/GPU/TPU 全平台加速，用户无需修改代码即可从单机原型扩展到大规模分布式计算。实测显示，在 TPU v4 集群上，CAX 可同时模拟 10 万组生命演化实验，数据吞吐量较传统方案提升 3 个数量级。
3. 面向开发者的友好生态
项目配套了完整的文档体系和 Colab 交互式教程，即使是人工生命领域的新手，也能通过几行代码复现复杂实验。正如 X 用户 JJ Walker 评价："硬件加速 + 详尽文档让 CAX 成为真正普惠的研究工具。"
二、三大颠覆实验：重新定义人工生命的可能性
CAX 的首个完整版本（v0.2.0）附带三个突破性实验，展现了其在生命模拟与智能涌现领域的惊人潜力：
实验 1：受扩散模型启发的自修复生命系统
研究团队借鉴 Stable Diffusion 的去噪原理，开发出新型神经细胞自动机（Diffusing NCA）。当人为 "切断" 模拟生物的 "尾部"（如图 2），传统生长型 NCA 需要 100 小时专项训练才能实现再生，而 Diffusing NCA 凭借扩散机制的自组织特性，无需额外训练即可在 20 步迭代内完成形态修复，展现出接近真实生物的应激再生能力。
实验 2：三维空间中的数字生命自编码
在 3D 网格环境中，CAX 演示了 MNIST 数字的跨面复制奇迹。研究人员在初始面写入数字 "5"，并在中间设置仅 1 格宽的信息通道（如图 3）。经过 500 次迭代训练，NCA 自主演化出编码规则：将数字分解为像素流，通过单通道传输后在目标面重构，最终实现 98.7% 的数字还原准确率，首次在受限空间内证明了生命系统的信息编码能力。
实验 3：超越 GPT-4 的抽象推理能力
在 1D-ARC 数据集测试中，CAX 训练的 NCA 模型创造了历史性突破：在 18 类抽象推理任务中，其 60.12% 的总准确率超越了 GPT-4 的 41.56%（如图 4）。尤其在 "像素移动"" 模式复制 ""去噪" 等任务中，NCA 实现 100% 准确率，显示出人工生命系统在符号推理之外的独特优势 —— 通过物理规则演化涌现智能，而非依赖大规模数据训练。
三、从 0 到 1 的架构创新：CAX 如何实现指数级加速？
CAX 的技术优势根植于对细胞自动机的深度解构：
1. 可控元胞自动机（CCA）架构
通过引入外部控制信号接口，CAX 将传统 CA 的固定规则升级为动态可调系统，类似循环神经网络处理序列数据的机制，使每个时间步的状态更新可接受外部输入调制。这种设计不仅保留了生命系统的自组织特性，更赋予其响应环境变化的能力，为目标导向的生命模拟奠定基础。
2. 卷积运算的深度优化
针对生命系统中高频出现的邻域计算，CAX 将其转化为高效的卷积操作。以 2D 生命游戏为例，每个细胞的存活状态计算等价于 3x3 卷积核的快速运算，结合 JAX 的 JIT 编译技术，将单步模拟时间压缩至微秒级，实现对 10^4 维度网格的实时渲染。
3. 跨维度统一抽象层
通过数学建模，CAX 将 1D 线性、2D 平面、3D 立体甚至更高维度的生命系统统一为状态矩阵运算，支持用户通过简单参数配置切换维度，极大降低了高维生命模拟的技术门槛。
四、为什么 CAX 正在重塑人工生命研究范式？
1. 效率革命释放研究潜力
过去需要数周完成的演化实验，现在可在数小时内迭代百次，让 "猜想 - 验证" 周期大幅缩短。帝国理工团队透露，使用 CAX 后，其 NCA 模型训练效率提升 50 倍，得以探索更复杂的形态发生机制。
2. 跨学科融合的催化剂
CAX 的易用性吸引了计算机科学、生物学、物理学等多领域研究者。例如，生物学家正使用其模拟器官发育过程，物理学家则借助高维模型研究相变现象，形成独特的 "数字生命仿生学" 研究热潮。
3. 开源生态的正向循环
项目开源两周即收获 5000 + 星标，社区贡献者已开发出粒子系统模拟、流体动力学模型等扩展模块。随着 ICLR 2025 Oral 论文的发表，CAX 有望成为人工生命领域的标准工具平台。
五、未来已来：当数字生命开始自我演化
CAX 的出现标志着人工生命研究从 "慢镜头观察" 进入 "高速摄像机时代"。当简单规则能在硅基世界催生出具备自修复、自编码甚至超越 GPT-4 推理能力的数字生命，我们正站在理解生命本质的新起点。
对于开发者和研究者，CAX 提供了前所未有的探索工具：
- 快速验证生命演化假说（GitHub 代码库已包含 15 + 预实现模型）
- 基于 JAX 生态的深度定制可能（支持自定义感知 / 更新模块）
- 免费获取 ICLR 顶会级研究工具（配套论文详细解读技术细节）
- 正如项目负责人 Maxence Faldor 在 X 上所说："CAX 让每个人都能成为数字造物主。" 现在，这场由几行代码引发的生命科学革命，正等待全球研究者共同书写新篇章。